github主頁
匯入：>>> from fuzzywuzzy import fuzz
>>> from fuzzywuzzy import process
1）>>> fuzz.ratio("this is a test", "this is a test!")
out 97
>>> fuzz.partial_ratio("this is a test", "this is a test!")
out 100
fuzz.ratio()對位置敏感，全匹配。fuzz.partial_ratio()對位置敏感，搜尋匹配。
2）>>> fuzz._process_and_sort(s, force_ascii, full_process=true)
對字串s排序。force_ascii:true 或者false。為true表示轉換為ascii碼。如果full_process為true，則會將字串s轉換為小寫，去掉除字母和數字之外的字元（發現不能去程式設計客棧掉-字元），剩下的字串以空格分開，然後排序。如果為false，則直接對字串s排序。
>>> fuzz._token_sort(s1, s2, partial=true, force_ascii=true, full_process=true)
給出字串 s1, s2的相似度。首先經過 fuzz._process_and_sort（）函式處理。partial為true時，再經過fuzz.partial_ratio（）函式。partial為false時，再經過fuzz.ratio（）函式。
>>> fuzz.token_sort_ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")
out 100
partial為false的_token_sort()
fuzz.partial_token_sort_ratio(s1, s2,程式設計客棧 force_ascii=true, full_process=true)
就是partial為true時的fuzz._token_sort（）
3）>>> fuzz.token_set_ratio("fuzzy was a bear", "fuzzy fuzzy was a bear")
out 100
fuzz._token_set(s1, s2, partial=true, force_ascii=true, full_process=true)
當partial為false時，就是 fuzz.token_set_ratio（）函式。
fuzz.partial_token_set_ratio(s1, s2, force_ascii=true, full_process=true)
partial為true的fuzz._token_set（）函式。
4）fuzz.qratio(s1, s2, force_ascii=true, full_process=true)
full_process為true時，經過utils.full_process(）函式。然後經過fuzz.ratio()函式。對順序敏感。
fuzz.uqratio(s1, s2, full_process=true)
就是 force_ascii為false的fuzz.qratio（）函式。
fuzz.wratio(s1, s2, force_ascii=true, full_process=true)
使用另一種不同演算法計算相似度。對順序敏感。
uwratio(s1, s2, full_p程式設計客棧rocess=true)
是force_ascii為false的fuzz.wratio(）函式。
總結：如果計算相似度的字串只有字母和數字，直接可以用ratio（）和partial_ratio()。但如果還有其他字元，而且我們想要去掉這些沒用字元，就用下邊的。下邊的函式都對順序不敏感，但token_sort_ratio（）系列是全字元匹配，不管順序。而token_set_ratio（）只要第二個字串包含第乙個字串就100,不管順序。
5）>>> choices = ["atlanta falcons", "new york jets", "new york giants", "dallas cowboys"]
>>> process.extract("new york jets", choices, limit=2)
[('new york jets', 100), ('new york giants', 78)]
>>> process.extractone("cowboys", choices)
("dallas cowboys", 90)
>>> process.extract(query, choices, processor=default_processor, scorer=default_scorer, limit=5)
query是字串，choices是陣列，元素是字串。 processor是對輸入比較的字串的處理函式，預設是fuzzywuzzy.utils.full_process()，即將字串變為小寫， 去掉除字母和數字之外的字元（發現不能去掉-字元），剩下的字串以空格分開。scorer計算兩個字串相似度的函式，預設fuzz.wratio()。 limit是輸出個數。
輸出為陣列，元素為元組，元祖第乙個匹配到的字串，第二個為int型，為score。對輸出按照score排序。
>>> process.extractwithoutorder(query, choices, procewww.cppcns.comssor=default_processor, scorer=default_scorer, score_cutoff=0)
score_cutoff為乙個閾值，當score小於該閾值時，不會輸出。返回乙個生成器，輸出每個大於 score_cutoff的匹配，按順序輸出，不排序。
>>> process.extractbests(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0, limit=5)
process.extractbests（）和process.extract（）都呼叫了proce程式設計客棧ss.extractwithoutorder（），只不過process.extractbests（）能傳輸 score_cutoff。
>>> process.extractone(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0)
也呼叫了process.extractwithoutorder（），只不過輸出乙個score最高的值。
process.dedupe(contains_dupes, threshold=70, scorer=fuzz.token_set_ratio)
contains_dupes是陣列，元素為字串。
取出相似度小於 threshold的字串，相似度大於 threshold的字串取最長乙個。
本文位址:
公司名稱字尾 Inc Co ,Ltd
inc.incorporated co.ltd.連在一起為company limited，就是 或者有限責任公司。co 後面的 是英文中表示詞語短縮省略的符號，而 co.後面的 則是用來區分前後兩個詞的分離號 乙個公司如果上市或者比較大了，都會在公司名稱的字尾上加inc.llc.全拼是limited...
正則匹配公司名稱
x x da za z u 上面是php匹配,變為js匹配很簡單 u4e00 u9fa5 da za z gi因為有的公司帶有 括號 和 或 數字 英文本元,比如tcl,多奈鞋業 中國 北京奇虎360科技 香港等公司命名可能帶有 但是，企業名稱登記管理規定 這部法規是1991年才首次頒布的，即使是在...
通過公司名稱獲取公司關鍵詞
大部分公司名稱的組成分為以下幾個部分 地區 名稱 公司型別 江西五維實業 深圳康泰生物製品股份 hanlp 的詞性對照表 地點 ns 和機構字尾 nis 都可以標註出來。如下面 所示，from pyhanlp import string 錫林郭勒 應急保障中心 words tostring for ...